import matplotlib as mlp
from matplotlib import pyplot as plt
from mlp_toolkits.mplot3d.axes3d import Axes3D
matplotlib中的图形由一Figure(画布)实例以及该实例中的多个 Axes(轴)实例构建而成。Figue实例为绘图提供了画布区域，Axes 实例则提供了坐标系,并分配给画布的固定区域
一个Figure实例可以包含多个Axes实例
Axes 实例提供了一个可用于绘制不同样式图形的坐标系，包括线图、散点图、柱状图等样式。另外，Axes 实例还可以用来决定如何显示坐标轴，例如轴标签、刻度线、刻度线标签等。事实上，在使用natplotlib的面向对象 API时，用于设置图形外观的大部分函数都是 Axes 类的方法。
mpl.use
use(backend, *, force=True)
Select the backend used for rendering and GUI integration.
- interactive backends:
GTK3Agg, GTK3Cairo, GTK4Agg, GTK4Cairo, MacOSX, nbAgg, QtAgg,
QtCairo, TkAgg, TkCairo, WebAgg, WX, WXAgg, WXCairo, Qt5Agg, Qt5Cairo
- non-interactive backends:
agg, cairo, pdf, pgf, ps, svg, template
当使用用于在用户界面中显示图形的交互式后端时，需要调用函数 plt.show() 以在屏幕上显示窗口。默认情况下，plt.show()调用程序将挂起，直到窗口被关闭。
plt.ion()：启动交互模式，每次绘图直接显示。plt.ioff()：关闭交互模式。需要让图形的变动生效，使用plt.draw()重绘
plt.plot([1,2,3,4])
plt.show()
plt.plot([1,2,3,4], '.')
color参数指定颜色
label参数指定曲线标签
legend参数显示图例
帮助文档
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
**Markers**
============= ===============================
``'.'`` point marker
``','`` pixel marker
``'o'`` circle marker
``'v'`` triangle_down marker
``'^'`` triangle_up marker
``'<'`` triangle_left marker
``'>'`` triangle_right marker
``'1'`` tri_down marker
``'2'`` tri_up marker
``'3'`` tri_left marker
``'4'`` tri_right marker
``'8'`` octagon marker
``'s'`` square marker
``'p'`` pentagon marker
``'P'`` plus (filled) marker
``'*'`` star marker
``'h'`` hexagon1 marker
``'H'`` hexagon2 marker
``'+'`` plus marker
``'x'`` x marker
``'X'`` x (filled) marker
``'D'`` diamond marker
``'d'`` thin_diamond marker
``'|'`` vline marker
``'_'`` hline marker
============= ===============================
**Line Styles**
============= ===============================
``'-'`` solid line style
``'--'`` dashed line style
``'-.'`` dash-dot line style
``':'`` dotted line style
============= ===============================
**Colors**
============= ===============================
``'b'`` blue
``'g'`` green
``'r'`` red
``'c'`` cyan
``'m'`` magenta
``'y'`` yellow
``'k'`` black
``'w'`` white
============= ===============================
scatter(x, y, s=None, c=None, marker=None, cmap=None,
norm=None, vmin=None, vmax=None, alpha=None,
linewidths=None, *, edgecolors=None,
plotnonfinite=False, data=None, **kwargs)
s：点的大小（标量或数组，默认值 20）c：点的颜色（字符串、RGB 元组或数值数组）marker：点的形状（如 'o'（圆）、'^'（三角形）、's'（方形））alpha：透明度（0~1）edgecolors：点的边框颜色（如 'k'（黑色））
hist(x, bins=None, range=None, density=False,
weights=None, cumulative=False, bottom=None,
histtype='bar', align='mid', orientation='vertical',
rwidth=None, log=False, color=None, label=None,
stacked=False, *, data=None, **kwargs)
bins:整数、序列或字符串(default值10)，定义柱子数量或边界
整数：分箱数
序列：自定义每个箱（如 [0, 10, 20]，只有两个箱）
字符串：自动分箱策略（'auto', 'sturges'）
density:True 时纵轴显示概率密度（面积和为1）（默认为False）histtype:图形类型,字符串类型
'bar'：传统柱状（多组并列）'barstacked'：多组堆叠'step'：未填充线框'stepfilled'：填充线框
orientation:方向：'vertical'（垂直）或 'horizontal'（水平）cumulative:累计分布alpha:透明度color / edgecolor
坐标轴范围：plt.xlim(t.min() * 1.5,t.max() * 1.5)
坐标轴标签：plt.xlabel("arc"),plt.ylabel("value")
subplot(nrows, ncols, index, **kwargs)
nrows：子图网格的行数ncols：子图网格的列数index: 当前子图位置索引（从1开始），按行优先从左到右编号**kwargs：其他关键字参数
plt.subplot(2, 2, 1) # 第1行第1列
plt.plot([1, 2, 3], [4, 5, 6])
plt.subplot(2, 2, 4) # 第2行第2列
plt.scatter([1, 2, 3], [7, 8, 9])
plt.show()
功能：一次性创建网格布局，返回Figure对象和Axes对象数组，支持面向对象操作
subplots(nrows=1, ncols=1, *,
sharex=False, sharey=False, squeeze=True, width_ratios=None,
height_ratios=None, subplot_kw=None, gridspec_kw=None, **fig_kw)
Create a figure and a set of subplots.
sharex/sharey：共享X/Y轴刻度（可设为True、'row'、'col'）
这一点对于子图的美观性还挺重要的
不使用共用y轴
使用公用y轴
figsize:画布尺寸（宽, 高，单位英寸）
fig, (ax1, ax2) = plt.subplots(1, 2, sharey=True, figsize=(10, 4))
ax1.plot([1, 2, 3], [4, 5, 6])
ax2.bar([1, 2, 3], [7, 8, 9])
通过色块的颜色表现第三维数据的数值大小
使用colorbar函数显示颜色和数值的映射条
函数原型：cbar = plt.colorbar(mappable, ax=ax, cax=cax, **kwargs)
mappable：必选，关联的数据对象（如 im = ax.imshow(data)）
ax：指定父坐标系，色条将自动放置在其旁cax：自定义色条坐标系，实现精确布局orientation='horizontal'
将二维数组（如矩阵、图像）渲染为均匀网格色块，适用于规则排布的离散数据或真实图像
plt.imshow(data, cmap='hot', origin='lower', interpolation='nearest')
data的数据格式
(M, N)：灰度图（标量值映射为颜色）。
(M, N, 3)：RGB 彩色图像。
(M, N, 4)：RGBA 图像（含透明度）
cmap：颜色映射（如 'viridis'、'gray'），将标量值映射为颜色。
origin：坐标系方向，'upper'（数组左上角为图像左上角，默认）或 'lower'（数组左下角为图像左下角）。
aspect：纵横比控制，'equal'（像素为方形）或 'auto'（自适应画布）。
interpolation：像素插值方法（如 'nearest' 保留锐边，'bilinear' 平滑过渡）。
vmin/vmax：颜色映射的值域范围限制
注意事项 当用 imshow 显示矩阵时，若未设置 origin='lower'，图像可能上下翻转（因数组原点在左上角，而笛卡尔坐标系原点在左下角
img = np.arange(100).reshape(10, 10)
plt.imshow(img)
plt.colorbar(img)
先通过plt.imshow(img)指定一个数据对象
在二维平面上绘制三维数据的等值线，并在相邻等值线间填充颜色，形成连续色块
from scipy.stats import multivariate_nor
rv = multivariate_normal(mean=(0, 0),cov = ((1,0.5),(0.5,0.5)))
print(rv.pdf((0, 0))) #(x,y)->f(x,y)
创建多元正态分布对象并从指定均值和协方差矩阵
mean=(0, 0)：均值向量，表示两个维度的期望值均为0cov=((1, 0.5), (0.5, 0.5))：协方差矩阵，表示：
第一个维度的方差为 1（对角线元素）。
第二个维度的方差为 0.5（对角线元素）。
两个维度间的协方差为 0.5（非对角线元素），说明两者存在正相关性
norm_x,norm_y = np.mgrid[-1:1:.01,-1:1:.01]
pos = np.dstack((norm_x,norm_y)) # pos=>(200, 200, 2)三位数组
prob_density = rv.pdf(pos)
print(pos.shape,prob_density.shape)
plt.imshow(prob_density)
plt.colorbar()
两个函数的原点约定不同，可以使用imshow()的origin参数调整
from mpl_toolkits.mplot3d import axes3d
ax = plt.figure().add_subplot(projection='3d')
#Plotthe3D surface
ax.plot_surface(norm_x,norm_y,prob_density,
edgecolor='royalblue',lw=0.5,
rstride=8,cstride=8,
alpha=0.3)
ax.set( xlim=(-1, 1),ylim=(-1, 1),zlim=(0, 0.4),
xlabel='x',ylabel='y',zlabel='f(x,y)')
plt.show()
P, Q = np.mgrid[-1:1:.002,-1:1:.002]
dP =-Q # \dot{p}
dQ = P # \dot{q}
plt.streamplot(Q, P, dQ, dP)
from scipy import special
x = np.linspace(0, 6, 100)
y_values = [special.jv(n,x) for n in range(0, 5)] #第一类Bessel函数
for i,y in enumerate(y_values):
plt.plot(x,y,label=f"Order {i}")
plt.legend()
plt.xlabel("x")
plt.ylabel("valuesofBesselfunction")
